【**前面的话**】Java中的Stream于1.8版本析出，平时项目中也有用到，今天就系统的来实践一下。下面借用重庆力帆队伍中我个人比较喜欢的球员来操作一波，队员的年龄为了便于展示某些api做了调整，请不要太认真哦。
***
# 壹. Stream理解
在java中我们称Stream为『**流**』，我们经常会用流去对集合进行一些流水线的操作。stream就像工厂一样，只需要把集合、命令还有一些参数灌输到流水线中去，就可以加工成得出想要的结果。这样的流水线能大大简洁代码，减少操作。给我个人的感觉类似JavaScript中的链式函数。
# 贰. Stream流程
```java
原集合 —> 流 —> 各种操作(过滤、分组、统计) —> 终端操作
```
Stream流的操作流程一般都是这样的，先将集合转为流，然后经过各种操作，比如过滤、筛选、分组、计算。最后的终端操作，就是转化成我们想要的数据，这个数据的形式一般还是集合，有时也会按照需求输出count计数。下文会一一举例。
# 叁. API实践
首先，定义一个用户对象，包含姓名、年龄、id三个成员变量：
```java
package com.eelve.training.entity;
import lombok.*;
import javax.persistence.*;
/**
* @ClassName User
* @Description TDO
* @Author zhao.zhilue
* @Date 2019/6/28 15:21
* @Version 1.0
**/
@Data
@Entity
@Table(name = "user")
@ToString
@NoArgsConstructor
@AllArgsConstructor
@EqualsAndHashCode(exclude={"id","name"})
public class User implements Comparable{
@Id
@GeneratedValue(strategy = GenerationType.IDENTITY)
@Column(name = "id")
private Integer id;
/**
* Link name.
*/
@Column(name = "name", columnDefinition = "varchar(255) not null")
private String name;
@Column(name = "age")
private Integer age;
public User(String name, Integer age) {
this.name = name;
this.age = age;
}
@Override
public int compareTo(User o) {
return age.compareTo(o.getAge());
}
}
```
然后在数据库中插入测试数据，见下图：
## 3.1过滤
### 1）filter 过滤(T-> boolean)
假如我们要实现过滤出40岁以下的队员，我们可以这样来实现：
```java
@Test
public void testUserStreamFilter(){
List userList = userMapper.getALL();
List resultList = userList.stream().filter(user -> user.getAge() 箭头后面跟着的是一个**boolean**值，可以写任何的过滤条件，就相当于sql中where后面的东西，换句话说，能用sql实现的功能这里都可以实现
执行结果为：
```java
User(id=1, name=费尔南多, age=25)
User(id=2, name=费尔南迪尼奥, age=26)
User(id=3, name=卡尔德克, age=27)
User(id=4, name=阿德里安, age=28)
User(id=5, name=隋维杰, age=26)
```
### 2）distinct 去重
其用法和sql中的使用类似，假如我们要实现过去除用重复年龄的队员，我们可以这样来实现：
```java
@Test
public void testUserDistinct(){
List userList = userMapper.getALL();
List resultList = userList.stream().distinct().collect(Collectors.toList());
for (User user : resultList){
System.out.println(user.toString());
}
}
```
执行结果为：
```java
User(id=1, name=费尔南多, age=25)
User(id=2, name=费尔南迪尼奥, age=26)
User(id=3, name=卡尔德克, age=27)
User(id=4, name=阿德里安, age=28)
User(id=6, name=克鲁伊夫, age=43)
```
### 3）sorted排序
如果流中的元素的类实现了 Comparable 接口，即有自己的排序规则，那么可以直接调用 sorted() 方法对元素进行排序，如：
```java
@Override
public int compareTo(User o) {
return age.compareTo(o.getAge());
}
```
```java
@Test
public void testUserStreamSorted(){
List userList = userMapper.getALL();
List resultList = userList.stream().sorted().collect(Collectors.toList());
for (User user : resultList){
System.out.println(user.toString());
}
}
```
反之, 需要调用 sorted((T, T) -> int) 实现 Comparator 接口。
```java
@Test
public void testUserStreamSortedWithComparator(){
List userList = userMapper.getALL();
List resultList = userList.stream().sorted(Comparator.comparingInt(User::getAge)).collect(Collectors.toList());
for (User user : resultList){
System.out.println(user.toString());
}
}
```
执行结果为：
```java
User(id=1, name=费尔南多, age=25)
User(id=2, name=费尔南迪尼奥, age=26)
User(id=5, name=隋维杰, age=26)
User(id=3, name=卡尔德克, age=27)
User(id=4, name=阿德里安, age=28)
User(id=6, name=克鲁伊夫, age=43)
```
### 4）limit（） 返回前n个元素
如果想知道队伍中年龄最小的就可以使用下面来实现：
```java
@Test
public void testUserStreamLimit(){
List userList = userMapper.getALL();
List resultList = userList.stream().limit(2).collect(Collectors.toList());
for (User user : resultList){
System.out.println(user.toString());
}
}
```
执行结果为：
```java
User(id=1, name=费尔南多, age=25)
User(id=2, name=费尔南迪尼奥, age=26)
```
### 5）skip
它的用法和limit正好相反，是去除前面几个元素。
假如我们要去除前面两个元素就可以使用下面的方法来实现：
```java
@Test
public void testUserStreamSkip(){
List userList = userMapper.getALL();
List resultList = userList.stream().skip(2).collect(Collectors.toList());
for (User user : resultList){
System.out.println(user.toString());
}
}
```
执行结果为：
```java
User(id=3, name=卡尔德克, age=27)
User(id=4, name=阿德里安, age=28)
User(id=5, name=隋维杰, age=26)
User(id=6, name=克鲁伊夫, age=43)
```
### 6）组合使用
以上的过滤函数物品们可以组合来使用来实现我们具体的需求，示例代码如下：
```java
@Test
public void testUserStreamSortLimit(){
List userList = userMapper.getALL();
List resultList = userList.stream().sorted().limit(5).collect(Collectors.toList());
for (User user : resultList){
System.out.println(user.toString());
}
}
```
这样我们就可以得到先排序后限制的结果：
```java
User(id=1, name=费尔南多, age=25)
User(id=2, name=费尔南迪尼奥, age=26)
User(id=5, name=隋维杰, age=26)
User(id=3, name=卡尔德克, age=27)
User(id=4, name=阿德里安, age=28)
```
## 3.2 映射
### 1）map(T->R)
map是将T类型的数据转为R类型的数据，比如我们想要设置一个新的list，存储用户所有的城市信息。
```java
@Test
public void testUserStreamMap(){
List userList = userMapper.getALL();
List resultList = userList.stream().map(User::getAge).distinct().collect(Collectors.toList());
System.out.println(resultList.toString());
}
```
这样我们可以得到所有年龄的样本，执行结果为：
```java
[25, 26, 27, 28, 43]
```
### 2）flatMap(T -> Stream)
将流中的每一个元素 T 映射为一个流，再把每一个流连接成为一个流。
```java
@Test
public void testStreamMap(){
List habitsList = new ArrayList();
habitsList.add("唱歌,听歌");
habitsList.add("羽毛球,足球,登山");
habitsList = habitsList.stream().map(s -> s.split(",")).flatMap(Arrays::stream).collect(Collectors.toList());
System.out.println(habitsList);
}
```
执行结果为：
```java
[唱歌, 听歌, 羽毛球, 足球, 登山]
```
这里原集合中的数据由逗号分割，使用split进行拆分后，得到的是Stream，字符串数组组成的流，要使用flatMap的**Arrays::stream**，将Stream转为Stream,然后把流相连接，组成了完整的唱歌, 听歌, 羽毛球, 足球, 登山。
## 3.3 查找
### 1）allMatch（T->boolean）
检测是否全部满足参数行为，假如我们要检测是不是所有队员都是U21的球员：
```java
@Test
public void testUserStreamAllMatch(){
List userList = userMapper.getALL();
boolean isNotU21 = userList.stream().allMatch(user -> user.getAge() >= 21);
System.out.println("是否都不是U21球员：" + isNotU21);
}
```
执行结果为：
```java
是否都不是U21球员：true
```
### 2）anyMatch（T->boolean）
检测是否有任意元素满足给定的条件，比如，想知道是否有26岁的球员：
```java
@Test
public void testUserStreamAnyMatch(){
List userList = userMapper.getALL();
boolean isAgeU26 = userList.stream().anyMatch(user -> user.getAge() == 26);
System.out.println("是否有26岁的球员：" + isAgeU26);
}
```
执行结果为：
```java
是否有26岁的球员：true
```
### 3）noneMatch(T -> boolean)
流中是否有元素匹配给定的 T -> boolean 条件。比如我们要检测是否含有U18的队员：
```java
@Test
public void testUserStreamNoneMatch(){
List userList = userMapper.getALL();
boolean isNotU18 = userList.stream().noneMatch(user -> user.getAge() userList = userMapper.getALL();
Optional firstUser = userList.stream().sorted().findFirst();
System.out.println(firstUser.toString());
}
```
执行结果为：
```java
Optional[User(id=1, name=费尔南多, age=25)]
```
### 5）findAny():找到任意一个元素
```java
@Test
public void testUserFindAny(){
List userList = userMapper.getALL();
Optional anytUser = userList.parallelStream().sorted().findAny();
System.out.println(anytUser.toString());
}
```
执行结果为：
```java
Optional[User(id=2, name=费尔南迪尼奥, age=26)]
```
## 3.4 归纳计算
### 1）求队员的总人数
```java
@Test
public void testUserCount(){
List userList = userMapper.getALL();
long totalAge = userList.stream().collect(Collectors.counting());
System.out.println("队员人数为：" + totalAge);
}
```
执行结果为：
```java
队员人数为：6
```
### 2）得到某一属性的最大最小值
```java
@Test
public void testUserMaxAndMin(){
List userList = userMapper.getALL();
Optional userMaxAge = userList.stream().collect(Collectors.maxBy(Comparator.comparing(User::getAge)));
System.out.println("年龄最大的队员为：" + userMaxAge.toString());
Optional userMinAge = userList.stream().collect(Collectors.minBy(Comparator.comparing(User::getAge)));
System.out.println("年龄最小的队员为：" + userMinAge.toString());
}
```
执行结果为：
```java
年龄最大的队员为：Optional[User(id=6, name=克鲁伊夫, age=43)]
年龄最小的队员为：Optional[User(id=1, name=费尔南多, age=25)]
```
### 3）求年龄总和是多少
```java
@Test
public void testUserSummingInt(){
List userList = userMapper.getALL();
int totalAge = userList.stream().collect(Collectors.summingInt(User::getAge));
System.out.println("年龄总和为：" + totalAge);
}
```
执行结果为：
```java
年龄总和为：175
```
我们经常会用BigDecimal来记录金钱，假设想得到BigDecimal的总和：
// 获得列表对象金额， 使用reduce聚合函数,实现累加器
BigDecimal sum = myList.stream() .map(User::getMoney)
.reduce(BigDecimal.ZERO,BigDecimal::add);
### 4）求年龄平均值
```java
@Test
public void testUserAveragingInt(){
List userList = userMapper.getALL();
Double totalAge = userList.stream().collect(Collectors.averagingInt(User::getAge));
System.out.println("平均年龄为：" + totalAge);
}
```
执行结果为：
```java
平均年龄为：29.166666666666668
```
### 5）一次性得到元素的个数、总和、最大值、最小值
```java
@Test
public void testUserSummarizingInt(){
List userList = userMapper.getALL();
IntSummaryStatistics statistics = userList.stream().collect(Collectors.summarizingInt(User::getAge));
System.out.println("年龄的统计结果为：" + statistics );
}
```
执行结果为：
```java
年龄的统计结果为：IntSummaryStatistics{count=6, sum=175, min=25, average=29.166667, max=43}
```
### 6）字符串拼接
要将队员的姓名连成一个字符串并用逗号分割。
```java
@Test
public void testUserJoining(){
List userList = userMapper.getALL();
String name = userList.stream().map(User::getName).collect(Collectors.joining(","));
System.out.println("所有的队员名字：" + name );
}
```
执行结果为：
```java
所有的队员名字：费尔南多,费尔南迪尼奥,卡尔德克,阿德里安,隋维杰,克鲁伊夫
```
## 3.5 分组
在数据库操作中，我们经常通过GROUP BY关键字对查询到的数据进行分组，java8的流式处理也提供了分组的功能。使用Collectors.groupingBy来进行分组。
### 1）可以根据队员的年龄进行分组
```java
@Test
public void testUserGroupingBy(){
List userList = userMapper.getALL();
Map> ageMap = userList.stream().collect(Collectors.groupingBy(User::getAge));
for (Map.Entry> entry :ageMap.entrySet()){
System.out.println("key= " + entry.getKey() + " and value= " + entry.getValue());
}
}
```
执行结果为：
```java
key= 25 and value= [User(id=1, name=费尔南多, age=25)]
key= 26 and value= [User(id=2, name=费尔南迪尼奥, age=26), User(id=5, name=隋维杰, age=26)]
key= 43 and value= [User(id=6, name=克鲁伊夫, age=43)]
key= 27 and value= [User(id=3, name=卡尔德克, age=27)]
key= 28 and value= [User(id=4, name=阿德里安, age=28)]
```
结果是一个map，key为不重复的年龄，value为属于该年龄的队员列表。已经实现了分组。另外我们还可以继续分组得到两次分组的结果。
### 2）如果仅仅想统计各年龄的队员个数是多少，并不需要对应的list
按年龄分组并统计人数：
```java
@Test
public void testUserGroupingByCount(){
List userList = userMapper.getALL();
Map ageMap = userList.stream().collect(Collectors.groupingBy(User::getAge,Collectors.counting()));
for (Map.Entry entry :ageMap.entrySet()){
System.out.println("队员中" + entry.getKey() + "岁的队员人数为：" + entry.getValue());
}
}
```
执行结果为：
```java
队员中25岁的队员人数为：1
队员中26岁的队员人数为：2
队员中43岁的队员人数为：1
队员中27岁的队员人数为：1
队员中28岁的队员人数为：1
```
### 3）partitioningBy 分区
分区与分组的区别在于，分区是按照 true 和 false 来分的，因此partitioningBy 接受的参数的 lambda 也是 T -> boolean
```java
@Test
public void testUserPartitioningBy (){
List userList = userMapper.getALL();
Map> partitioningByMap = userList.stream().collect(partitioningBy(user -> user.getAge() >= 30));
for (Map.Entry> entry :partitioningByMap.entrySet()){
System.out.println("key= " + entry.getKey() + " and value= " + entry.getValue());
}
}
```
执行结果为：
```java
key= false and value= [User(id=1, name=费尔南多, age=25), User(id=2, name=费尔南迪尼奥, age=26), User(id=3, name=卡尔德克, age=27), User(id=4, name=阿德里安, age=28), User(id=5, name=隋维杰, age=26)]
key= true and value= [User(id=6, name=克鲁伊夫, age=43)]
```
***
【**写在后面的话**】留下stream的类实现的方法和依赖图，前面的实践也只是挑选了几个比较常用的Api。
原文地址：https://www.cnblogs.com/eelve/p/11333442.html